Python PyTorch ihfft用法及代码示例

本文简要介绍python语言中 torch.fft.ihfft 的用法。

用法:

torch.fft.ihfft(input, n=None, dim=- 1, norm=None, *, out=None) → Tensor

参数：

• input(Tensor) -真实输入张量

• n(int,可选的) -信号长度。如果给定，则在计算 Hermitian IFFT 之前，输入将被零填充或修剪到该长度。

• dim(int,可选的) -沿其采用一维 Hermitian IFFT 的维度。

• norm(str,可选的) -

  标准化模式。对于后向变换(ihfft())，这些对应于：

  • "forward" - 没有标准化

  • "backward" - 通过 1/n 标准化

  • "ortho" - 通过1/sqrt(n) 标准化(使IFFT正交化)

  使用相同的归一化模式调用正向变换 ( hfft() ) 将在两个变换之间应用 1/n 的整体归一化。这是使 ihfft() 精确反转所必需的。

  默认值为 "backward" (由 1/n 标准化)。

关键字参数：

out(Tensor,可选的) -输出张量。

计算 hfft() 的倒数。

input 必须是实值信号，在傅立叶域中解释。实数信号的 IFFT 是 Hermitian 对称的，X[i] = conj(X[-i]) 。 ihfft() 以单侧形式表示这一点，其中仅包括低于奈奎斯特频率的正频率。要计算完整输出，请使用 ifft() 。

示例

>>> t = torch.arange(5)
>>> t
tensor([0, 1, 2, 3, 4])
>>> torch.fft.ihfft(t)
tensor([ 2.0000-0.0000j, -0.5000-0.6882j, -0.5000-0.1625j])

与 ifft() 的完整输出进行比较：

>>> torch.fft.ifft(t)
tensor([ 2.0000-0.0000j, -0.5000-0.6882j, -0.5000-0.1625j, -0.5000+0.1625j,
        -0.5000+0.6882j])